计观 辽宁省耕地压力动态分析与预测 成丽,方天堃2,郜亮亮3,吴迪4 (1.沈阳农业大学经济管理学院,沈阳110161;2沈阳航空工业学院管理系,沈阳11013 3.中国政策研究中心中国科学院地理科学与资源研究所,北京100101; 4辽宁省水利水电勘测设计研究院规划处,沈阳110006 摘要:文章运用ARMA模型及 Eviews软件对2007~2020年耕地压力指数进行了预测。研究结 果表明:1978~2006年,辽宁省耕地压力指数呈现总体下降趋势。预测结果显示:2007~2020年,耕地 压力指数波动趋缓,但始终维持在1.1左右,耕地严重超载,粮食安全问题仍将十分突出,形势严峻。 据此提出降低耕地压力、保证粮食生产安全、促进可持续发展的对策。 关键词:最小人均耕地面积;耕地压力指数;辽宁省 中图分类号:F323.211 文献标识码:A 文章编号:1002-6487(2009)040101-03 0引言 式中:S为最小人均耕地面积(hm人);B为食物自给率 耕地资源,在我国农业和国民经济可持续发展过程中发(%);Gr为人均食物需求量(kg人P为食物单产kghm):q 挥着不可替代的基础性作用。辽宁省是我国的工业大省,也 为食物播种面积占总播种面积之比(%);k为复种指数(%)。 是一个农业大省。改革开放以来,农业生产力和农业现代化 (2)耕地压力指数:为最小人均耕地面积与实际人均耕 水平显著提高,粮食产量呈增长态势。与此同时,人口迅速 地面积之比,计算公式如下 长,工业化城镇化水平的进一步提高,非农用地比例不断增 加,使全省耕地面积不断减少。因此,客观分析辽宁省耕地压式中:K为耕地压力指数;S为实际人均耕地面积(hm人) 力的历史变动情况,并对其未来进行预测,为该省耕地资源 耕地压力指数给出了耕地保护的阈值,可作为保护耕地 可持续利用和实现东北商品粮基地的振兴提供科学参考,的调控指标。由于最小人均耕地面积与实际人均耕地面积都 同时对全省农业及整个国民经济可持续发展均具有重要的是动态变化的,决定了耕地压力指数也是一个随时空变化的 现实意义。本文在对辽宁省耕地压力指数时间序列进行分析变量。根据K的大小选择不同的对策措施,以调节耕地资源 的基础上,采用ARMA模型对辽宁省耕地压力的未来趋势 所承受的压力。当K1 时,耕地承受着巨大的压力,粮食生产无法满足正常需求,应 1.1研究方法 立即采取相应的措施 本文采用最小人均耕地面积及ARMA因模型对改革开12ARMA模型 放以来辽宁省耕地面积、粮食产量、人口数量等数据进行分 ARMA模型是一类常用的随机时序模型,由博克斯 析,计算不同时期的最小人均耕地面积和耕地压力指数 (Box)、詹金斯( Jenkins)创立,亦称B-J方法。它是一种精 此用模型对未来9年的耕地压力作出预测,进而提出减少耕度较高的时序预测方法,其基本思想是:某些时间序列是依 地压力的对策 赖于时间t的一族随机变量,构成该时序的单个序列值虽然 1.1.1耕地压力指数模型 具有不确定性,但整个序列的变化却有一定的规律性,可以 (1)最小人均耕地面积是在一定区域范围内,一定食物用相应的数学模型近似描述。通过对该数学模型的分析研 自给水平和耕地生产力条件下,为了满足人口正常生活的食究,能够更本质地认识时间序列的结构与特征,达到最小方 物消费所需的耕地面积。最小人均耕地面积给出了为保障 差意义下的最优预测。概括地说,ARMA模型区别于其他经 定区域食物安全而需保护的耕地数量底线。最小人均耕地面济模型有两个特点:一是这种建模方法不以经济理论为依 积是食物自给率、食物消费水平、耕地生产力水平等因子的 据,而是根据变量自身的变化规律,利用外推机制描述时间 函数,计算公式如下 序列的变化;二是明确考虑时间序列的非平稳性。如果时间 统计与决策2009年第4期(总第280期)101 91994-2009ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
统计与决策 2009 年第 4 期（总第 280 期） 成 丽 1 ，方天堃 2 ，郜亮亮 3 ，吴 迪 4 （1．沈阳农业大学 经济管理学院，沈阳 110161；2．沈阳航空工业学院 管理系，沈阳 110136； 3．中国政策研究中心 中国科学院地理科学与资源研究所，北京 100101； 4．辽宁省水利水电勘测设计研究院 规划处，沈阳 110006） 摘 要：文章运用 ARMA 模型及 Eviews 软件对 2007~2020 年耕地压力指数进行了预测。研究结 果表明：1978~2006 年，辽宁省耕地压力指数呈现总体下降趋势。 预测结果显示：2007~2020 年，耕地 压力指数波动趋缓，但始终维持在 1.1 左右，耕地严重超载，粮食安全问题仍将十分突出，形势严峻。 据此提出降低耕地压力、保证粮食生产安全、促进可持续发展的对策。 关键词：最小人均耕地面积；耕地压力指数；辽宁省 中图分类号：F323.211 文献标识码：A 文章编号：1002-6487（2009）04-0101-03 辽宁省耕地压力动态分析与预测 0 引言 耕地资源，在我国农业和国民经济可持续发展过程中发 挥着不可替代的基础性作用。 辽宁省是我国的工业大省，也 是一个农业大省。 改革开放以来，农业生产力和农业现代化 水平显著提高，粮食产量呈增长态势。 与此同时，人口迅速增 长，工业化城镇化水平的进一步提高，非农用地比例不断增 加，使全省耕地面积不断减少。 因此，客观分析辽宁省耕地压 力的历史变动情况，并对其未来进行预测，为该省耕地资源 的可持续利用和实现东北商品粮基地的振兴提供科学参考， 同时对全省农业及整个国民经济可持续发展均具有重要的 现实意义。 本文在对辽宁省耕地压力指数时间序列进行分析 的基础上， 采用 ARMA 模型对辽宁省耕地压力的未来趋势 进行预测。 1 研究方法及数据来源 1.1 研究方法 本文采用最小人均耕地面积[1]及 ARMA[3]模型对改革开 放以来辽宁省耕地面积、粮食产量、人口数量等数据进行分 析， 计算不同时期的最小人均耕地面积和耕地压力指数，以 此用模型对未来 9 年的耕地压力作出预测，进而提出减少耕 地压力的对策。 1.1.1 耕地压力指数模型 （1）最小人均耕地面积：是在一定区域范围内，一定食物 自给水平和耕地生产力条件下，为了满足人口正常生活的食 物消费所需的耕地面积。 最小人均耕地面积给出了为保障一 定区域食物安全而需保护的耕地数量底线。 最小人均耕地面 积是食物自给率、食物消费水平、耕地生产力水平等因子的 函数，计算公式如下： Smin=β Gr P×q×k （1） 式 中：Smin 为最小人均耕地面积 (hm2 /人)；β 为 食 物 自 给 率 （%）；Gr 为人均食物需求量 (kg/人)；P 为食物单产(kg/hm2 )；q 为食物播种面积占总播种面积之比（%）；k 为复种指数（%）。 （2）耕地压力指数：为最小人均耕地面积与实际人均耕 地面积之比，计算公式如下： K=Smin/Sa （2） 式中：K 为耕地压力指数；Sa 为实际人均耕地面积（hm2 /人）。 耕地压力指数给出了耕地保护的阈值，可作为保护耕地 的调控指标。 由于最小人均耕地面积与实际人均耕地面积都 是动态变化的，决定了耕地压力指数也是一个随时空变化的 变量。 根据 K 的大小选择不同的对策措施，以调节耕地资源 所承受的压力。 当 K1 时，耕地承受着巨大的压力，粮食生产无法满足正常需求，应 立即采取相应的措施。 1.1.2 ARMA 模型 ARMA 模型是一类常用的随机时序模型 ， 由 博 克 斯 （Box）、詹金斯（Jenkins）创立，亦称 B-J 方法。 它是一种精确 度较高的时序预测方法，其基本思想是：某些时间序列是依 赖于时间 t 的一族随机变量，构成该时序的单个序列值虽然 具有不确定性，但整个序列的变化却有一定的规律性，可以 用相应的数学模型近似描述。 通过对该数学模型的分析研 究，能够更本质地认识时间序列的结构与特征，达到最小方 差意义下的最优预测。 概括地说，ARMA 模型区别于其他经 济模型有两个特点： 一是这种建模方法不以经济理论为依 据，而是根据变量自身的变化规律，利用外推机制描述时间 序列的变化；二是明确考虑时间序列的非平稳性。 如果时间 统 计 观 察 101
计观 序列非平稳,建立模型之前应通过差分把它变换成平稳的时的自回归移动平均模型,即为ARMA(pq)中1,中2,…,3为自 序列,再考虑建模。 回归系数,61,0,…,O4为移动平均系数都是模型的待估参数 1.2数据来源 很明显,对于ARMA(P、q模型,若阶数q=0,则是自回归 本文的研究数据大部分来辽宁统计年鉴2007,其余数模型AR(p);若阶数q=0,则成为移动平均模型MA(q 据均已表明出处。其中,辽宁省耕地面积数据自1997开始采3.12ARMA模型建立的条件 用新的统计口径,因此在测算耕地面积以及人均耕地面积 建立随机时间序列模型,首先应当考虑研究对象的性 时,不能直接运用统计上的耕地面积,而应该对之进行修正。质,以判断是否满足建模的条件。一般从时间序列的随机性 本文以1997年新统计口径为基准点,采用历年耕地增减变和平稳性考虑(除此之外,还应考查时间序列的季节性,由于 化数据对1978-1996年间耕地面积数据进行修正,采用修正本研究的耕地压力指数序列为年度数据,在此不详述)。两者 后的耕地面积进行相关的计算 均可以利用 Eviews50软件之间实现。 3.2耕地压力指数预测模型的建立一基于ARMA模型 2耕地压力指数的动态变化 3.2.1单位根检验 在B-J方法中,只有平稳的时间序列才能够直接建立 辽宁省的耕地面积自1978年以来呈现明显的持续减少ARMA模型,因此本文首先对辽宁省1978-2006年间的耕地 特征,2003年开始略有增加。1978年耕地面积为461.42×压力指数序列(简称为K序列)采用ADF方法进行平稳性检 10+hm2,2006年为408.51×10m2,净减少5291×10hm2。 验(见表1)。结果表明:耕地压力指数序列含有单位根,即为 1978-2006年粮食总产量呈现波浪式增加的趋势。1978非平稳序列,无法直接建立预测模型。对该序列进行一阶差 年粮食总产量为11172×101,2006年增加到1725×101,增产分(记为),而后再进行ADF检验(即)(见表2),I序列为 6078×10+,年均增产1.56%。 平稳序列,即K序列是一阶单整的,即为I(1)。 改革开放以来,总人口呈持续增加的趋势。1978年全省 1978-2006年K序列单位根检验结果 总人口3394×104人,到2006年末人口增加到42104×10 Augmented Dickey-Fu statistic-0.569252|Pob.*0.4609 1%6 level -2.656915 人,净增加人口816.4×10人,平均每年净增29.16×104人, Test critical -1954414 基于耕地、粮食以及人口的动态分析,可以得到最小的 albese -1.609329 人均耕地面积S和耕地压力指数K的变化。以人均食物需 1978-2006年ⅨK序列单位根检验结果 求量为400kg/人计算;辽宁省,作为国家13个粮食主产区之 i-Statistic-7.173176Prob'00000 此处食物自给率采用100%;食物单产、食物播种面积、复 Test critieal -1954414 种指数数据来自辽宁统计年鉴2007。如图1所示,1978 2006年S。和K值总体变化是呈波浪式降低趋势,但是必须3.2.2对IK序列进行ARMA建模 看到大部分年份的耕地压力指数均突破1,特别是1985、 (1)均数检验。一般情况下,ARMA模型需要检验序列均 1989、1997和2000年四年,由于当年粮食产量出现急 值是否为0,如果不为0需要变换为0,然后再进行建模。对 少,使得粮食单产显著降低,最终导致耕地压力指数超过了IK序列进行0均值检验结果表明可以对IK序列进行建模 1.2,说明当前辽宁省耕地压力已十分明显 (2)模型识别 04/19Tme:01:18 3耕地压力指数预测 本文采用ARMA模型,借助 Eviews5.0软件来实现对耕 地压力指数的预测,进而来分析辽宁省耕地压力的未来变化 2810512730390 趋势。 203159613500 3.1ARMA模型概述 3.1.1ARMA模型的三种类型 701100214105990.157 ARMA模型有三种基本类型:自回归(AR)模型叫、移动 图1|K序列自相关和偏自相关检验结果 平均(MA)模型以及自回归移动平均(ARMA)模型。这里只 ARMA(p,q)即为自回归移动平均模型,其中p为自回 讨论ARMA模型 归的阶数,q为移动平均的阶数。q和p的大小主要通过自相 如果时间序列y1是它的当期和前期的随机误差项以及关系数(AC)和偏自相关系数(PAC)来分别确定。在 Eview软 前期值的线性函数,即可表示为 件中,主要通过自相关图和偏自相关图来实现,见图1所示, y=y-+中2y2+…+④y+u-0u-012…-(1)可以看到PAC在两期滞后开始衰减(即两期后都落在两条 则称该时间序列y是自回归移动平均序列,式(1)为(pq)阶虚线内,即统计上与0无差异),故可以选择p=2;而AC从第 ①籼比较而言,1997年以后土地详查耕地面积数据是相对准确和可信的,而历年耕地增臧变化数没有统计误差的累积,准确度也较高;国此,本文以1997 年耕地面积作为基准点,修正公式为:S3=S1wm妻-(Sm年地*-S1wm年A),S1=S1-(S1m增如-S1) C1994102统计与决策200年第4期(总第280期) 009chinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
统计与决策 2009 年第 4 期（总第 280 期） 序列非平稳，建立模型之前应通过差分把它变换成平稳的时 间序列，再考虑建模。 1.2 数据来源 本文的研究数据大部分来辽宁统计年鉴 2007， 其余数 据均已表明出处。 其中，辽宁省耕地面积数据自 1997 开始采 用新的统计口径， 因此在测算耕地面积以及人均耕地面积 时，不能直接运用统计上的耕地面积，而应该对之进行修正①。 本文以 1997 年新统计口径为基准点， 采用历年耕地增减变 化数据对 1978~1996 年间耕地面积数据进行修正，采用修正 后的耕地面积进行相关的计算[2]。 2 耕地压力指数的动态变化 辽宁省的耕地面积自 1978 年以来呈现明显的持续减少 特 征，2003 年 开 始 略 有 增 加。 1978 年 耕 地 面 积 为 461.42× 104 hm2 ，2006 年为 408.51×104 hm2 ，净减少 52.91×104 hm2 。 1978~2006 年粮食总产量呈现波浪式增加的趋势。 1978 年粮食总产量为 1117.2×104 t，2006 年增加到 1725×104 t，增产 607.8×104 t，年均增产 1.56%。 改革开放以来，总人口呈持续增加的趋势。 1978 年全省 总 人 口 3394×104 人， 到 2006 年 末 人 口 增 加 到 4210.4×104 人，净增加人口 816.4×104 人，平均每年净增 29.16×104 人。 基于耕地、粮食以及人口的动态分析，可以得到最小的 人均耕地面积 Smin 和耕地压力指数 K 的变化。 以人均食物需 求量为 400kg/人计算；辽宁省，作为国家 13 个粮食主产区之 一，此处食物自给率采用 100%；食物单产、食物播种面积、复 种指数数据来自辽宁统计年鉴 2007。 如 图 1 所 示，1978~ 2006 年 Smin 和 K 值总体变化是呈波浪式降低趋势，但是必须 看到大部分年份的耕地压力指数均突破 1， 特 别 是 1985、 1989、1997 和 2000 年四年， 由于当年粮食产量出现急剧减 少，使得粮食单产显著降低，最终导致耕地压力指数超过了 1.2，说明当前辽宁省耕地压力已十分明显。 3 耕地压力指数预测 本文采用 ARMA 模型，借助 Eviews5.0 软件来实现对耕 地压力指数的预测，进而来分析辽宁省耕地压力的未来变化 趋势。 3.1 ARMA 模型概述 3.1.1 ARMA 模型的三种类型 ARMA 模型有三种基本类型：自 回 归（AR）模 型[3]、移 动 平均（MA）模型[3]以及自回归移动平均（ARMA）模型。 这里只 讨论 ARMA 模型： 如果时间序列 yt 是它的当期和前期的随机误差项以及 前期值的线性函数，即可表示为： yt =Φ1yt-1+Φ2yt-2+…+Φpyt-p+ut -θ1ut-1-θ2ut-2-…-θqut-q （1） 则称该时间序列 yt 是自回归移动平均序列，式（1）为（p,q）阶 的自回归移动平均模型，即为 ARMA(p,q)。Φ1，Φ2，…，Φ3 为自 回归系数，θ1，θ2，…，θq 为移动平均系数，都是模型的待估参数。 很明显，对于 ARMA(p,q)模型，若阶数 q=0，则是自回归 模型 AR(p)；若阶数 q=0，则成为移动平均模型 MA(q)。 3.1.2 ARMA 模型建立的条件 建立随机时间序列模型， 首先应当考虑研究对象的性 质，以判断是否满足建模的条件。 一般从时间序列的随机性 和平稳性考虑（除此之外，还应考查时间序列的季节性，由于 本研究的耕地压力指数序列为年度数据，在此不详述）。 两者 均可以利用 Eviews5.0 软件之间实现。 3.2 耕地压力指数预测模型的建立—基于 ARMA 模型 3.2.1 单位根检验 在 B-J 方法中， 只有平稳的时间序列才能够直接建立 ARMA 模型，因此本文首先对辽宁省 1978~2006 年间的耕地 压力指数序列（简称为 K 序列）采用 ADF 方法进行平稳性检 验（见表 1）。 结果表明：耕地压力指数序列含有单位根，即为 非平稳序列，无法直接建立预测模型。 对该序列进行一阶差 分（记为 IK），而后再进行 ADF 检验（即）（见表 2），IK 序列为 平稳序列，即 K 序列是一阶单整的，即为 I（1）。 3.2.2 对 IK 序列进行 ARMA 建模 （1）均数检验。 一般情况下，ARMA 模型需要检验序列均 值是否为 0，如果不为 0 需要变换为 0，然后再进行建模。 对 IK 序列进行 0 均值检验结果表明可以对 IK 序列进行建模。 （2）模型识别。 ARMA（p，q）即为自回归移动平均模型，其 中 p 为 自 回 归的阶数，q 为移动平均的阶数。 q 和 p 的大小主要通过自相 关系数（AC）和偏自相关系数（PAC）来分别确定。 在 Eview 软 件中，主要通过自相关图和偏自相关图来实现，见图 1 所示， 可以看到 PAC 在两期滞后开始衰减 （即两期后都落在两条 虚线内，即统计上与 0 无差异），故可以选择 p=2；而 AC 从第 ①相比较而言，1997 年以后土地详查耕地面积数据是相对准确和可信的，而历年耕地增减变化数据没有统计误差的累积，准确度也较高；因此，本文以 1997 年耕地面积作为基准点，修正公式为：S1996=S1997 详 查-（S1996-1997 年 增 加-S1996-1997 年 减 少），S1995=S1996-（S1995-1996 年 增 加-S1995-1996 年 减 少 ） Augmented Dickey-Fuller test statistic t-Statistic -0.569252 -2.656915 -1.954414 -1.609329 1% level 5% level 10% level Prob.* 0.4609 Test critical values: 表 1 1978~2006 年 K 序列单位根检验结果 Augmented Dickey-Fuller test statistic t-Statistic -7.173176 -2.656915 -1.954414 -1.609329 1% level 5% level 10% level Prob.* 0.0000 Test critical values: 表 2 1978~2006 年 IK 序列单位根检验结果 统 计 观 察 图 1 IK 序列自相关和偏自相关检验结果 102
计观 期开始就基本就衰减了,因此可以选择q=1,但是,从图上 加强新增建设用地审批管理,按照“区别对待、有保有 看,尽管2,3期的AC不显著,但是也比较大,所以可以考虑压”的原则,有区别、有步骤地农用地转用审批;占用耕地与 选择q=2或者3。基于以上分析,欲建立ARMA(2,1),ARMA开发复垦挂钩,对经审批而占用各国内地的建设单位,一律 (2,2),ARMA(2,3),从计算结果来看,根据AC准则(AC值根据补充耕地方案,承担补充耕地义务,确保“耕地总量动态 越小,模型越佳),并进行模型稳定性检验以及残差序列相关平衡”。严格限制农用地转为建设用地,加强土地利用规划管 检验,建立耕地压力指数预测模型ARMA(2,3)。三种ARMA理;坚持基本农田不动摇;制定农村产业结构调整占用耕地 模型估计结果见表3-5 的有关法规条例;农业内部结构调整应充分开发利用非耕地 78-2006年ⅨK序列ARMA(2,1}模型建立 资源,除改善生态环境需要除外 Coefficient Std. Error t-stalistie 0.0331140.213460 0.155130 0.8781 (2)加大政府财政支农投入,提高耕地地力。 AR(2)0.2012860.21420809396720.3572 政府的财政支农支出是衡量政府农业扶持力度的一个 MAL)-09197190064190-14.32797 重要指标,是解决“三农”问题的物质基础和财力保障。为调 Adjusted R-squared 0.408601 S.D. dependentvar 用农民种植粮食与自觉提高地力的积极性,各级政府应加大 财政支农的力度,增加农业科技投入,增加农业基础设施投 Sum squared resid 0.738770 Schwarzeriterion 0.347055 入;落实各种生产补贴鼓励粮食生产,推进支农资金整合工 1904845 作,发挥现有支农资金的使用效益和政策效应,建立健全财 1978-2006年K序列ARMA(2,2)模型建立 政支农资金的稳定增长机制。 Variable Coefficient Std. Error (3)增加投入提高单产 04334230.665360-0.6514120.5215 0.1891660.246959-0.765981 在影响耕地压力指数的因素中,人均食物消费水平在达 MA(D) -0.4270150.670473-0.636886 0.5308 到一定程度后已无弹性,食物自给率、生产食物的耕地面积 MA2)-04795780631623-07592790455 R-squared 与总耕地面积之比值也是弹性有限的。那么,耕地生产率(即 Adjusted R-squared 0.396497 S D.dependentvar 0.233051 单位面积产量)就成为最重要、最有活动的因素。耕地压力指 S.E. of regression 0.181046 Akaikeinfocriterion 0.439488 数是一个高度动态的概念,随着投入增加和科技进步从而提 Sum squared resid 0.721112 chwarzeriterion -0.245934 高耕地生产率,耕地压力指数会不断减少。因此,应大力发展 农业集约经营,发展高科技农业,提高复种指数,稳步增加农 表5 1978-2006年Ⅸ序列ARMA(2,3)模型建立 作物播种面积,从而改良土壤性状,进一步提高耕地生产力 水平,从而降低最小人均耕地面积、减轻耕地资源压力四 1.4030790219130 -6.402954 -0.6515350.1631123.9944010.0007 (4)严格控制人口数量,努力提高人口素质。 0.8750400.275155 人口增长过快,粮食需求量将大大增加,不仅增加耕地 0.6527610.189376 -3446905 0.0024 压力,直接危及粮食安全,也将影响经济、社会的可持 MA(3)0.9134070.2447583.7318810.0012 R-squared 0.589425 0.006362 展。要继续严格执行计划生育政策,降低人口自然增长率,控 Adjusted R-squared 0.51122 D. dependentvar .233051 制人口过快增长。同时,注重提高人口素质,掌握先进的科学 S.E. of regression 0.162932 kaikeinfocriterion 0.619925 Sum squared resid 0-557485 技术,将新技术应用于粮食生产,提高粮食产量,并加强耕地 Schwarzeriterion 0.377983 Log likelihood1305902 Durbin- Watsonstat190410保护意识,树立保护耕地的紧迫感和责任心,以保证粮食生 3.2.3预测模型建立 产的安全 本文研究的是辽宁省耕地压力指数序列(K序列),上文 所建立的ARMA(2,3)模型是K序列一阶差分IK序列,因 参考文献 此对原K序列建立模型ARMA(p,d,q),其中d=1表示一阶 蔡运龙,傳泽强,戴尔阜,区域最小人均耕地面积与耕地资源调控 差分。所以最终对K序列建立的模型为 ARIMA(2,1,3)。利 门地理学报,2002,(2) 用 Eviews软件,可以预测辽宁省2007-2020年的耕地压力 2]朱红波,张安录.中国耕地压力指数时空规律分析资源科学 2007,(2) 指数 3]李玉平河南省粮食生产与耕地变化的分析及预测地域研究与 预测结果显示:2007-2020年,辽宁省耕地压力指数将 开发,2007,(3) 从2006年的097迅速增加到2007年的106,在经历20084易丹辉.数据分析与 Eviews应用M北京:中国统计出版社,200 年的113大幅增加后,耕地压力指数波动幅度逐年减少,但5李志斌粮食生产安全预警研究[D中国农业科学院硕士论文 始终保持在1.10左右,表明此期间粮食供给小于粮食需求 2007. 粮食安全形势将愈加严峻 6李启宇.四川耕地资源预暑研究D四川农业大学硕士论文,2006 门]经济社会协调发展与耕地保护中国土地科学,2005,(2) 4缓解耕地压力的对策 8]李玉平,蔡运龙河北省耕地压力动态分析与预测干早区资源 与环境,2007,(4) (1)建立健全耕地保护制度 (责任编辑/浩天) 统计与决策2009年第4期(总第280期)103 91994-2009ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
统计与决策 2009 年第 4 期（总第 280 期） 一期开始就基本就衰减了，因此可以选择 q=1，但是，从图上 看，尽管 2，3 期的 AC 不显著，但是也比较大，所以可以考虑 选择 q=2 或者 3。 基于以上分析，欲建立 ARMA（2，1），ARMA （2，2），ARMA（2，3），从计算结果来看，根据 AIC 准则（AIC 值 越小，模型越佳）,并进行模型稳定性检验以及残差序列相关 检验，建立耕地压力指数预测模型 ARMA（2，3）。 三种 ARMA 模型估计结果见表 3~5。 3.2.3 预测模型建立 本文研究的是辽宁省耕地压力指数序列（K 序列），上文 所建立的 ARMA （2，3） 模型是 K 序列一阶差分 IK 序列，因 此对原 K 序列建立模型 ARIMA（p，d，q），其中 d=1 表示一阶 差分。 所以最终对 K 序列建立的模型为 ARIMA（2，1，3）。 利 用 Eviews 软件， 可以预测辽宁省 2007~2020 年的耕地压力 指数。 预测结果显示：2007~2020 年， 辽宁省耕地压力指数将 从 2006 年的 0.97 迅速增加到 2007 年的 1.06， 在经历 2008 年的 1.13 大幅增加后，耕地压力指数波动幅度逐年减少，但 始终保持在 1.10 左右，表明此期间粮食供给小于粮食需求， 粮食安全形势将愈加严峻。 4 缓解耕地压力的对策 （1）建立健全耕地保护制度。 加强新增建设用地审批管理，按 照“区 别 对 待、有 保 有 压”的原则，有区别、有步骤地农用地转用审批；占用耕地与 开发复垦挂钩，对经审批而占用各国内地的建设单位，一律 根据补充耕地方案，承担补充耕地义务，确保“耕地总量动态 平衡”。 严格限制农用地转为建设用地，加强土地利用规划管 理；坚持基本农田不动摇；制定农村产业结构调整占用耕地 的有关法规条例；农业内部结构调整应充分开发利用非耕地 资源，除改善生态环境需要除外[5]。 （2）加大政府财政支农投入，提高耕地地力。 政府的财政支农支出是衡量政府农业扶持力度的一个 重要指标，是解决“三农”问题的物质基础和财力保障。 为调 用农民种植粮食与自觉提高地力的积极性，各级政府应加大 财政支农的力度，增加农业科技投入，增加农业基础设施投 入；落实各种生产补贴鼓励粮食生产，推进支农资金整合工 作，发挥现有支农资金的使用效益和政策效应，建立健全财 政支农资金的稳定增长机制[6]。 （3）增加投入提高单产。 在影响耕地压力指数的因素中，人均食物消费水平在达 到一定程度后已无弹性，食物自给率、生产食物的耕地面积 与总耕地面积之比值也是弹性有限的。 那么，耕地生产率（即 单位面积产量）就成为最重要、最有活动的因素。 耕地压力指 数是一个高度动态的概念，随着投入增加和科技进步从而提 高耕地生产率，耕地压力指数会不断减少。 因此，应大力发展 农业集约经营，发展高科技农业，提高复种指数，稳步增加农 作物播种面积，从而改良土壤性状，进一步提高耕地生产力 水平，从而降低最小人均耕地面积、减轻耕地资源压力[7]。 （4）严格控制人口数量，努力提高人口素质。 人口增长过快，粮食需求量将大大增加，不仅增加耕地 压 力，直接危及粮食安全，也 将 影 响 经 济、社会的可持续发 展。 要继续严格执行计划生育政策，降低人口自然增长率，控 制人口过快增长。 同时，注重提高人口素质，掌握先进的科学 技术，将新技术应用于粮食生产，提高粮食产量，并加强耕地 保护意识，树立保护耕地的紧迫感和责任心，以保证粮食生 产的安全。 参考文献： [1]蔡运龙，傅泽强，戴尔阜. 区域最小人均耕地面积与耕地资源调控 [J].地理学报，2002，（2）. [2]朱 红 波，张 安 录.中国耕地压力指数时空规律分析[J].资 源 科 学， 2007，（2）. [3]李玉平.河南省粮食生产与耕地变化的分析及预测[J].地域研究与 开发，2007，（3）. [4]易丹辉. 数据分析与 Eviews 应用[M].北京：中国统计出版社，2002. [5]李志斌.粮食生产安全预警研究[D]. 中国农业科学院硕士论文， 2007. [6]李启宇. 四川耕地资源预警研究[D].四川农业大学硕士论文，2006. [7]经济社会协调发展与耕地保护[J]. 中国土地科学，2005，（2）. [8]李玉平，蔡运龙.河北省耕地压力动态分析与预测[J]. 干旱区资源 与环境，2007，（4）. （责任编辑/浩 天） 表 3 1978~2006 年 IK 序列 ARMA（2，1）模型建立 Variable AR(1) AR(2) MA(1) Coefficient 0.033114 -0.201286 -0.919719 Std. Error 0.213460 0.214208 0.064190 t-Statistic 0.155130 -0.939672 -14.32797 Prob. 0.8781 0.3572 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 0.455913 0.408601 0.179222 0.738770 9.398854 Meandependentvar S.D.dependentvar Akaikeinfocriterion Schwarzcriterion Durbin-Watsonstat -0.006362 0.233051 -0.492220 -0.347055 1.904845 表 4 1978~2006 年 IK 序列 ARMA（2，2）模型建立 Variable AR(1) AR(2) MA(1) MA(2) Coefficient -0.433423 -0.189166 -0.427015 -0.479578 Std. Error 0.665360 0.246959 0.670473 0.631623 t-Statistic -0.651412 -0.765981 -0.636886 -0.759279 Prob. 0.5215 0.4518 0.5308 0.4557 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 0.468917 0.396497 0.181046 0.721112 9.713338 Meandependentvar S.D.dependentvar Akaikeinfocriterion Schwarzcriterion Durbin-Watsonstat -0.006362 0.233051 -0.439488 -0.245934 1.941729 表 5 1978~2006 年 IK 序列 ARMA（2，3）模型建立 Variable AR(1) AR(2) MA(1) MA(2) MA(3) Coefficient -1.403079 -0.651535 0.875040 -0.652761 -0.913407 Std. Error 0.219130 0.163112 0.275155 0.189376 0.244758 t-Statistic -6.402954 -3.994401 3.180168 -3.446905 -3.731881 Prob. 0.0000 0.0007 0.0045 0.0024 0.0012 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 0.589425 0.511221 0.162932 0.557485 13.05902 Meandependentvar S.D.dependentvar Akaikeinfocriterion Schwarzcriterion Durbin-Watsonstat -0.006362 0.233051 -0.619925 -0.377983 1.903410 统 计 观 察 103
